fbpx

[ad_1]

Soy mejor, señor, en muchos sentidos, pero con gusto lo dejaría por ser humano.. – Teniente Com. datos

Los grandes datos realmente se han vuelto grandes, no solo en petabytes, sino también en los nuestros. imaginación y conciencia El concepto de big data está estrechamente relacionado con los conceptos Inteligencia artificialaprendizaje profundo, neural redes y otros antropomorfismos cuasi-neurocientíficos. El apogeo de las máquinas, si podemos imaginarlo, está anunciado en memorables obras de ciencia ficción. El Terminator que lo enseñó enfado más útil que la desesperación también nos dio motivos para desesperarnos cuando declaró que la psicología humana era sólo una de sus subrutinas.

Los defensores de los beneficios de los grandes datos nos piden que dejemos que los datos gobiernen nuestras vidas. Seth Stevens-Davidowitz, excientífico de datos de Google, ama los datos masivos con un fervor casi fetichista y está ansioso por describir sus beneficios en su nuevo libro. No confíes en tu intuición.

Confíe en los grandes datos, aconseja Stevens-Davidowitz. Hay suficiente información para tomar una decisión sabia, confiable e informada al buscar pareja, un lugar para vivir, carrera profesional para construir, y felicidad disfrutar No está del todo claro si Stevens-Davidowitz, un geek de datos autoproclamado, ha tenido éxito en lo que predica.

Hay mucho que desconcertarse acerca de Trust not (ver Krueger & Grüning, en prensa, para la revisión). pero para evitar que este ensayo se haga demasiado largo, me concentraré en dos temas: patrones y aleatoriedad.

Muestras

Es una perogrullada en estadística que las muestras grandes proporcionan estimaciones más confiables de las características de la población que las muestras pequeñas, incluso si la población general no consiste en eventos aleatorios, es decir, si en cambio la población se puede dividir en subcategorías discretas y diferenciadas. Podríamos preguntar cuánto pesa un mamífero promedio, pero ¿debería? La respuesta puede ser útil cuando comparamos a los mamíferos con los insectos y vemos que los primeros son más pesados. Pero incluso un niño puede notar el problema asociado con la fusión de perros con delfines. ¿No queremos saber el peso medio de categorías bastante homogéneas?

El ejemplo del perro y el delfín resume las categorías humanas, aunque todo se vuelve más borroso y dependiente de las categorías sociales. del día. Stevens-Davidowitz nunca pregunta si se debe preferir el big data sin importar qué, es decir, si se debe preferir incluso cuando una muestra más pequeña de una subcategoría más estrecha tiene mayor precisión y es más útil para Toma de decisiones.

Capítulo 7, Cambio de imagen: Edición Nerd, es indicativo. Aquí, Stevens-Davidowitz pregunta si los datos pueden ayudar a mejorar el individuo atractivo. Podría ver lo que dicen grandes conjuntos de datos sobre cómo se percibe a los hombres y las mujeres (nota: no a las personas en general) en términos de sus características. Hay una gran cantidad de datos disponibles, y muchos de ellos son anteriores a la llamada revolución de datos. Hace tiempo que sabemos, por ejemplo, que los hombres con barba, pero no las mujeres, son percibidos como más dominantes y atractivos (Dixson & Vasey, 2012).

En cambio, Stevens-Davidowitz hizo un poco de autoaprendizaje, usó una aplicación para cambiar su autorretrato fotográfico y usó una encuesta rápida para averiguar cómo lo hizo. Descubrió que una barba y anteojos le harían bien. En cuanto a las gafas, su ejemplo muestra que hay lugar para la investigación idiográfica, es decir, orientada a la persona. Uno esperaría que haya formas para que el autor se vea mejor siendo él mismo en lugar de convertirse en uno con la población promedio. En resumen, los consejos derivados de datos extraídos de poblaciones heterogéneas ignoran el mundo personal y social idiosincrático de un individuo. Big data es mejor que small data, pero solo si la muestra de población ha sido cuidadosamente identificada y justificada.

Oportunidad

Si confía en los grandes datos para dirigir su vida, intuición y los consejos locales pasan a un segundo plano. Y la coincidencia también. Cuando puedes «googlearlo» porque la respuesta está en alguna parte, la incertidumbre y la fantasía se desvanecen. Por eso, sorprende que Stevens-Davidowitz aplauda la investigación de Steven Levitt (2021), que descubrió que las personas son más felices si dejan decisiones importantes en la vida, como dejar un trabajo que no les gusta, para ellos mismos.

Levitt, quien se hizo famoso por combinar folk con un significado impactante en su libro freakonomics (Levitt & Dubner, 2005), sigue los pasos Un hombre en un hueso (Rhinehart, 1971; ver Krüger, 2010, para una sesión informativa). Deja que el azar gobierne tu vida; ¡Relájate y siéntete más feliz!

Los participantes en el estudio de Levitt visitaron un sitio web donde describieron una decisión que les resultaba difícil tomar (p. dejar de fumar, Adoptar un niño). Aprendieron que se lanzaría una moneda virtual y que, de ser posible, deberían actuar según las instrucciones de la moneda. Los participantes se apegaron más a las decisiones sin importancia que a las importaciones, pero incluso para las últimas hubo poco efecto. Después de seis meses, los que siguieron las instrucciones de la moneda informaron estar más satisfechos que los que ignoraron la moneda.

Levitt concluye que las personas son demasiado cautelosas cuando toman decisiones en la vida, y que una de las razones por las que la aleatoriedad puede ayudar es que libera a las personas de parte de la responsabilidad y del arrepentimiento anticipado que de otro modo podrían experimentar. El azar da permiso para hacer lo necesario.

Hay un cabo suelto que vale la pena mencionar aquí. El efecto de la felicidad se puede ver en una comparación entre aquellos a quienes se les indicó aleatoriamente que tomaran una decisión que querían y temían y luego tomaron la decisión, y aquellos a quienes no se les indicó que tomaran la decisión y no la tomaron. Esta comparación mezcla el veredicto de la moneda (¡hazlo! o ¡no lo hagas!) con la posible elección (¡lo hice! vs. ¡no lo hice!). ¿La acción es un elemento crítico o depende del permiso que otorga la moneda? Es posible, pero poco probable, que el aumento de la felicidad solo se produjera entre los participantes que tomaron la decisión difícil cuando la moneda les dijo que no lo hicieran.

Citando el trabajo de Levitt en una nota al pie, Stevens-Davidowitz lo llama un «truco de vida basado en datos» (p. 242). Un solo lanzamiento de una moneda o un dado no son datos, son solo datos, y no son muchos. La táctica de Levitt, tan inteligente y liberadora como es, implica una especie de desprecio deliberado por el tipo de big data que Google puede manejar. Big data puede tener algo que decir sobre si debe mudarse a Florida, pero no puede decir si debe debería.

[ad_2]

Source link